gaussian

    0热度

    1回答

    我有几组数据,我试图适合不同的配置文件。在其中一个最小值的中心有污染,可以防止我做得很好,正如您可以在此图像中看到的那样: 如何在我的数据底部夹取这些尖峰,并考虑到秒杀并不总是在同一个位置?或者你将如何处理这样的数据?我使用lmfit来拟合轮廓,在这种情况下是洛伦兹和高斯。这里就是我与初始值起到更紧密地拟合数据的最小工作示例: import numpy as np import matplotl

    1热度

    1回答

    我发起我的高斯为fspecial('gaussian', 4, 1),我知道gradient()是获得一阶导数的非常方便的方法。有没有反正我可以计算一阶导数而不使用gradient()?我使用它用于创建Harris角点检测器,如图所示如教科书中的第一个步骤: 计算图像Ix和Iy的水平和垂直衍生物通过用高斯 的衍生物卷积的原始图像

    -1热度

    1回答

    [(Workspace)] [1]我使用协方差矩阵创建随机变量。我想要生成300个随机二维特征数据(长度为&权重)的每个物种ω1(鲑鱼)和ω2(低音)。鲑鱼(ω1):平均值:65厘米,22千克协方差:[20 0.1;海鲈鱼(ω2):平均值:80厘米,31公斤协方差:[40 5; 5 50] 我创建样本后,我再次计算协方差矩阵只是为了检查。但是我发现它完全错误的原始协方差矩阵。有人可以帮我吗?附加是

    0热度

    1回答

    我有一个对称的1D numpy的阵列,例如,像这样: 0 1 2 1 0 我怎么会变成一个3D阵列(有点类似于高斯内核),在中心值2? 由于我的意思(虽然数学很可能不是正确的)为例,在2D,这将是这样的(虽然我需要它是3D): 0 0 0 0 0 0 0.5 1 0.5 0 0 1 2 1 0 0 0.5 1 0.5 0 0 0 0 0 0

    0热度

    1回答

    在哈里斯拉普利兴趣点检测器中,我们在检测到的兴趣点处发现LoG值,然后在比例值上查找局部极值以检测比例不变点。在论文“基于尺度不变兴趣点的索引”中,写出高斯拉普拉斯为|(s^2)*(Lxx(x,s)+ Lyy(x,s))|。 但是,当在matlab中执行代码时,当我没有获取LoG的绝对值时获得输出点,但是当我获取其绝对值时,我没有得到任何输出。 任何人都可以说是什么问题? 代码: LoG = (s

    0热度

    1回答

    这行: z = random_normal(shape = (-1, 8, 8, 256), mean = 0.0, stddev = 1.0, dtype = None, seed = None) 给出了错误: AttributeError: 'Tensor' object has no attribute '_keras_history'. 有任何人任何我怎么能解决它

    1热度

    1回答

    我有一个数值计算光脉冲的时间形状,存储在NumPy数组中。我想找到它的高斯包络函数的参数(特别是FWHM),但首先我必须适应它。 是否有一个内置的SciPy函数或一组函数用于信封拟合,或者我必须自己编写此代码? (由于精度不是太重要,我可能只是采取局部最大值和适合他们高斯...) 的光脉冲是这样的:

    3热度

    1回答

    我想要做什么? 我想培养具有使用GaussianNB分类10个标签的数据集,但同时tunning我gaussianNB参数之前我得到这个错误: - 文件“/home/mg/anaconda2/lib/python2.7 /site-packages/sklearn/naive_bayes.py”,线路367,在_partial_fit 加注ValueError异常(‘先验的总和应为1’) Valu

    2热度

    1回答

    ,我需要用Python来评估我的数据。不幸的是,我的同学还没有适合的脚本,而且我对编程还很陌生。 我有这样的数据集,我试图通过使用scipy.optimize.curve_fit高斯,以适应它。由于有很多不可用的计数,特别是在轴末端,我想限制要安装的部分。 图片raw data 这是我到目前为止有: import numpy as np import matplotlib.pyplot as p

    -1热度

    1回答

    我要产生像下面一个图(在本文中) 我认为这是使用histfit 但是做,histfit doesen't真使用我的数据。酒吧超过曲线。我的数据并不是真正的正态分布,但我希望除了一些异常值外,所有的仓都在曲线内。有没有什么方法可以拟合高斯曲线并在上图中绘制它? 编辑 这是histfit(data)给 我要适应高斯给它,并保持一定值ouliers。基于假设数据是正态分布的,我只需要使用正态分布,因为它